今年我用了一個月左右的時間，建立了一個完整的量化回測開源框架專案初版。
整個過程中，我一句代碼都沒有寫過。
以下是我總結的七個實戰技巧。
◉ 技巧一：先討論再開發，建立清晰的開發文檔
不要一開始就直接開始建設，先與 AI 討論詳細的開發文檔，讓它提出更多釐清細節的問題。
定期提醒它遵照這份開發文檔。
以下是三個基礎代碼要求原則：
- 保持簡潔：代碼要簡潔明瞭。
- 高內聚低耦合：每個模組功能單一，依賴關係清晰。
- 單一模組不超過 1500 行：超過就拆分
◉ 技巧二：讓 AI 學習現有開源專案
你想過的東西，別人也會想過。
與其從零開始建立，不如讓 AI 去 GitHub 找現有的模板學習。
◉ 技巧三：清楚自己的需求和架構
你可以不懂代碼，但你一定要對自己想開發的東西有清晰的認識，最好有能力畫出步驟流程圖。
我有交易底子，也見過其他量化程式架構。
所以我只需要 AI 幫我補充細節，而不需要從零開始建立整個架構。
◉ 技巧四：分階段開發，每個階段都要可運行
大專案要分階段開發，每個階段完成後都要驗證。
原因在於，代碼就是黑箱，你只能透過「輸入 → 輸出」判斷是否正確。
每個階段完成後都要實際運行，確認輸出符合預期才進行下一步。
◉ 技巧五：增加調試信息
開發時要求 AI 增加大量的調試輸出（ Debug Print ）。
這樣你就能清楚知道程式運行到哪一步，出現問題也能快速定位。
◉ 技巧六：善用版本回溯功能
試過好幾次 AI 越改越差，最後完全卡死。
用 Git 或 Cursor 的回溯功能，回到之前的版本，略為修改問題描述，重新開始。
- 每次修改前先備份：用 Git 提交當前版本。
- 小步修改：每次只修改一個功能點。
- 及時驗證：修改後立即測試。
發現修改方向不對，立即回溯，重新描述問題。
◉ 技巧七：注意安全隱私問題
網絡私隱安全是我完全不懂的範疇，為避免用家和自己的私隱洩露，我採用以下原則：
- 不要硬編碼 API 密鑰：使用環境變數或配置文件。
- 不要上傳敏感數據到公開平台。
- 定期檢查代碼：看是否有可疑的網絡請求。
- 本地上運行：用戶可在自己主機上運行，離線使用。
- 商業化前先驗證需求：判斷需求存在後，再找專業工程師幫助。
◉ 實戰案例：lo2cin4bt 開源量化框架
最後，讓我推廣一下我的開源量化框架 lo2cin4bt。
框架功能
這個框架可以讓你測試數據對收益率的關聯表現，內設多個交易指標選擇。
適用對象
- 新手：在命令行按提示輸入，跑出第一個量化策略。
- 老手：用 JSON 寫配置，程序自動運行。
- 複雜策略：私信我加入免費 TG 群組，我教你如何使用（ 不要被其他人騙點擊騙子群組 ）。
可視化平台
我還提供可視化平台，可以一眼看完不同策略的績效表現和參數高原（ Parameter Plateau ）。
參數高原是指策略在不同參數組合下的表現分佈。
透過可視化，你可以快速找到最優參數組合，避免過擬合（ Overfitting ）問題。
◉ 重點總結
- 建立開發文檔：先與 AI 討論開發規範，確保方向一致。
- 學習現有專案：讓 AI 參考 GitHub 開源專案，學習最佳實踐。
- 清楚架構需求：即使不懂代碼，也要對系統架構有清晰認識。
- 分階段驗證：拆分成小階段，每個階段完成後都要實際運行驗證。
- 增加調試信息：要求 AI 增加調試輸出，幫助定位問題。
- 善用版本控制：用 Git 或 Cursor 回溯功能，及時回到穩定版本。
- 注意安全隱私：商業化專案不要完全依賴 AI，必要時尋求專業幫助。
P.S. 以上配圖皆由 banana pro 製作。
